Spring AI工具调用机制解析:为何工具执行后返回列表为空
2025-06-10 13:39:39作者:韦蓉瑛
在Spring AI框架中,开发者可能会遇到一个看似矛盾的现象:工具方法确实被执行了(通过日志可以确认),但通过chatResponse.getResult().getOutput().getToolCalls()获取的工具调用列表却为空。这种现象在Spring AI的M8版本中尤为常见,其背后隐藏着框架的设计哲学和默认行为机制。
核心机制解析
Spring AI在处理AI模型的工具调用时,采用了一种"拦截优先"的设计模式。当模型决定调用某个工具时,框架会默认接管整个调用流程,包括:
- 自动参数提取:解析模型输出的工具调用参数
- 方法路由:定位到对应的@Tool注解方法
- 执行封装:自动执行目标方法并处理返回值
- 结果回传:将工具执行结果重新注入对话上下文
这种全自动处理流程虽然简化了开发者的工作,但也意味着工具调用的中间状态(如原始工具调用请求)默认不会暴露给上层应用。
获取工具调用详情的解决方案
对于需要精细控制工具调用流程的场景,Spring AI提供了用户主导模式。开发者可以通过以下方式获取完整的工具调用信息:
// 显式声明用户控制工具执行
User user = new User("需要工具处理的提示词");
List<Message> messages = new ArrayList<>();
messages.add(user);
// 获取包含工具调用的模型响应
ChatResponse response = chatClient.call(new Prompt(messages,
new PromptOptions(List.of(new OpenIaFunctions()))));
// 此时可以获取完整的工具调用链
List<ToolCall> toolCalls = response.getResult().getOutput().getToolCalls();
设计原理深度理解
这种设计体现了Spring AI在易用性和灵活性之间的平衡:
- 默认便捷性:对大多数简单场景,自动处理减少了样板代码
- 按需开放:复杂场景下允许开发者介入关键流程
- 上下文隔离:避免工具调用细节污染业务逻辑层
最佳实践建议
- 常规业务流程推荐使用默认的自动工具调用模式
- 需要审计或记录工具调用时切换到用户控制模式
- 调试阶段可以通过临时启用用户控制模式来验证工具调用参数
- 考虑在工具方法内部添加业务日志作为补充跟踪手段
理解这一机制后,开发者就能更好地在Spring AI框架下实现业务需求与AI能力的无缝集成。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1